自主泊車系統研究綜述

石天聰，劉雪，余政濤

（長安大學汽車學院，陜西 西安 710064）

引言

汽車給人們帶來便利的同時，也帶來了很多安全問題，比如發生嚴重的交通事故。2006年，密歇根大學交通研究所對一份關于17個州的34個城市及哥倫比亞特別行政區的交通事故調查報告進行了統計，統計結果表明：因泊車操作引起的交通事故，占此次調查全部交通事故的44%[1]。復雜的泊車空間環境、有限的視野范圍、要求車輛行駛速度與方向盤轉向合理配合等多個因素容易使駕駛員感到緊張，最終導致泊車事故發生。自主泊車系統的出現不僅可以有效地減少交通事故的產生，而且對于很多新手和駕駛技術不嫻熟的人來說也是一個福音，可以幫助他們將車輛快速，安全地駛入停車位。

自主泊車系統（Automatic Parking system，APS）也可以被稱為自動泊車，是指汽車可以自動識別停車位，從而進行車輛停車過程的路徑規劃，控制車輛駛入車位的一種輔助駕駛系統，按照停車方式，它可以分為垂直停車和平行停車，垂直停車一般是在停車場中停車時的狀態，平行停車一般是在道路兩側停車位停車，也可以稱為側方位停車。隨著相關研究的深入，自主泊車系統正在從半自動泊車（仍需要駕駛員進行輔助操作）向全自動泊車發展。

1 研究現狀簡介

1.1 檢測識別

對目標停車位的檢測識別是自主泊車系統的一個重要組成部分，市場上大多數（半）自動泊車系統產品都是通過用戶界面，以空間的超聲傳感器（通常安裝在車輛的兩側）為基礎來指定目標停車位的位置。同時，全景式監控影像系統（Around View Monitor，AVM）已成為停車輔助產品，一些汽車制造商已生產了配備此系統的車輛。AVM系統通過將由三臺或四臺攝像機采集的大量圖像拼接在一起，來生成車輛360°周圍環境的鳥瞰圖圖像。顯示AVM圖像有助于駕駛員在停車操作期間輕松識別停車位標記和車輛周圍的障礙物。

隨著智能網聯技術的發展，A. Nandugudi等（2014年）分析了一種有趣的方法，該方法利用諸如加速計之類的用戶智能手機傳感器來檢測用戶活動，以確定他們是在停車還是要離開。后臺應用程序讀取傳感器數據，并巧妙地使用此信息來確定某個停車場是否有空位[2]。

1.2 路徑規劃

路徑規劃是指借助傳感器獲取的泊車可行駛區域，并結合車輛的幾何參數，預先規劃出一條理想的泊車軌跡。

平行泊車常用的是確定公法線加相切圓弧的方案規劃設計一條可行的期望路徑軌跡。泊車時，存在著泊車路徑不連貫，需要反復調整的問題，許多研究者通過算法設計優化泊車路徑，比如粒子群算法，遺傳算法等。李紅等（2016年）提出基于B樣條理論的平行泊車路徑規劃方法，該方法綜合車輛停放要求，以B樣條路徑曲線控制點為變量，以泊車終點處車身方位角最小化為目標，建立了含有避障約束等多個約束的泊車路徑函數。用該方法對多個泊車工況進行路徑規劃并仿真，結果表明基于B樣條理論的泊車路徑規劃方法可得到較優的泊車路徑[3]。

垂直泊車過程與平行泊車類似，也需要考慮避撞、轉向等約束條件，對路徑進行平滑，而且垂直泊車存在著泊車空間狹窄的問題，尹剛（2019年）分別對理想條件下的單步垂直泊車和狹窄泊車環境下多步垂直泊車進行路徑規劃，并采用了粒子群優化算法理論優化路徑，對優化前后的路徑進行對比，優化后的路徑不僅能實現安全無碰撞地進入目標車位，而且縮短了車輛的行駛長度[4]。

1.3 車輛控制

在確定好車輛泊車過程的路徑后，下一步的工作是控制車輛跟蹤規劃好的泊車路徑安全行駛進入停車位。目前，基于人工智能的方法如模糊邏輯、遺傳算法、神經網絡和混合智能技術已經引起了研究者的廣泛關注。人工智能被認為是自主停車系統克服傳統方法的局限性和問題的關鍵因素之一。

模糊控制系統是以模糊數學、模糊語言的知識和模糊邏輯的規則為理論基礎，采用計算機控制構成的一種具有反饋通道的閉環控制系統。模糊控制無需被控制對象有完備精準的數學模型，故對難以創建模型的控制對象如APS，是一種良好的控制方法，而且它可以弱化參量變化和不可避免的干擾產生的影響，使系統在誤操作，異常情況下也具有良好的穩定性。王芳成（2010年）設計了可實現自動泊車的模糊控制器，并通過matlab/simulink進行仿真分析，驗證了控制器的可行性[5]。

強化學習屬于人工智能的一個領域，是在多次迭代中自主地重新修正算法來進行學習，其完全根據規則自我進化，沒有人類主觀經驗的干預，使得最終系統的性能超越了人類水平。比如，在計算機游戲模擬環境中，利用強化學習訓練的智能體可達到經驗玩家的水平。張繼仁等（2019年）提出了一種基于強化學習的泊車運動規劃，基于蒙特卡洛樹搜索和初始的神經網絡，結合車輛模型，對不同庫位、起始位置進行仿真，產生數據；然后建立安全性，舒適性相關指標對數據進行評價，利用篩選后的最優數據來更新網絡。該更新的網絡又用到下一次迭代產生數據中，從而為蒙特卡洛樹搜索提供更強的搜索引導。這樣使得產生的泊車數據質量不斷提升，學習到的泊車策略不斷增強，最終收斂到最優，從而達到自主學習的目的[6]。

1.4 性能評價

國內外學者已經對自動泊車技術進行了大量研究，但關于自動泊車系統評價的相關研究及評價標準較少，周莎等（2020年）提出了一種有價值的評價方法，通過結合定量與定性指標，可以對APS系統進行較為可靠的評價[7]。目前，各大汽車廠商仍將自動泊車技術視為高科技配置，加之消費者對自動泊車系統信任程度不高，使得自動泊車系統技術應用落后于理論研發。因此，隨著技術的進步、市場的成熟，結合消費者的認知，有必要出臺自動泊車相關的真實有效的評價標準。

2 未來發展方向

通過大量閱讀文獻，我認為接下來對于自動泊車系統的研究可以從以下幾個方面入手：

（1）應用智能網聯技術對停車場和車輛信息進行實時通信，綜合利用，建立更加智能的停車場系統。

（2）通過人工智能實現自動泊車已被證明是比較有價值的研究方向，考慮建立自動泊車相關的數據集，便于深度學習等的應用。對深度學習，強化學習等進行更深入的研究與試驗，建立對不同場景都能實現自動泊車的較為全面地系統。

（3）目前仍是高端車輛應用自動泊車技術，隨著技術的進一步發展，可以從經濟效益的角度出發，減小成本，使自動泊車能得到更廣泛的應用。

（4）對自主泊車系統性能評價還要進行更多的對比研究，加快完善自動泊車系統的評價標準。

3 結語

自主泊車系統是一個集成了許多新科技的系統，有很多地方值得我們進行研究，本文對其研究現狀進行了綜述，便于研究者來了解自主泊車系統。自主泊車系統降低了泊車的難度，可以安全，準確地完成泊車過程，未來具有廣闊的發展前景。